Το 2007, έγινα η γενική εισαγγελέας της πολιτείας του Νιου Τζέρσεϊ. Πριν, υπήρξα ποινική εισαγγελέας, πρώτα στην εισαγγελία του Μανχάταν και μετά στο Υπουργείο Δικαιοσύνης των Ηνωμένων Πολιτειών. Όταν όμως έγινα γενική εισαγγελέας, έγιναν δύο πράγματα που άλλαξαν το πώς βλέπω την ποινική δικαιοσύνη. Το πρώτο ήταν ότι έθεσα ερωτήματα που πίστευα ότι ήταν πραγματικά βασικά. Ήθελα να καταλάβω ποιους συλλαμβάναμε, σε ποιους απαγγέλαμε κατηγορίες και ποιους βάζαμε στα κρατητήρια και στις φυλακές της χώρας μας. Ήθελα επίσης να καταλάβω αν οι αποφάσεις μας λαμβάνονταν με τρόπο που να μας κάνει ασφαλέστερους. Και δεν μπορούσα να βρω αυτές τις πληροφορίες. Αποδείχθηκε ότι οι περισσότερες μεγάλες υπηρεσίες ποινικής δικαιοσύνης όπως η δική μου δεν παρακολουθούσαν όσα είχαν σημασία. Έτσι λοιπόν, μετά από έναν μήνα απίστευτης απογοήτευσης, μπήκα σε μια αίθουσα συσκέψεων γεμάτη από αστυνομικούς και στοίβες με φακέλους υποθέσεων, και οι αστυνομικοί κάθονταν με ένα κίτρινο σημειωματάριο στο χέρι και κρατούσαν σημειώσεις. Προσπαθούσαν να βρουν τις πληροφορίες που έψαχνα εξετάζοντας μία μία τις υποθέσεις των τελευταίων πέντε ετών. Και όπως μπορείτε να φανταστείτε, όταν τελικά πήραμε τα αποτελέσματα, δεν ήταν καλά. Αποδείχθηκε ότι ασχολούμασταν πολύ με μικρο-υποθέσεις ναρκωτικών στους δρόμους δίπλα από τα γραφεία μας στο Τρέντον. Το δεύτερο πράγμα που συνέβη ήταν ότι περνούσα τη μέρα μου στο Κάμντεν, στο αστυνομικό τμήμα του Νιου Τζέρσεϊ. Τώρα, εκείνη την εποχή, το Κάμντεν του Νιου Τζέρσεϊ ήταν η πιο επικίνδυνη πόλη στην Αμερική. Αυτός ήταν ο λόγος που διοικούσα το αστυνομικό τμήμα του Κάμντεν. Περνούσα τη μέρα μου στο τμήμα, και με πήγαν σε μια αίθουσα με ανώτερους αστυνομικούς, που όλοι τους εργάζονταν σκληρά και προσπαθούσαν πολύ να μειώσουν το έγκλημα στο Κάμντεν. Και αυτό που είδα σε εκείνη την αίθουσα, όσο συζητούσαμε σχετικά με το πώς να μειώσουμε το έγκλημα, ήταν αστυνομικούς με πολλά μικρά κίτρινα χαρτάκια σημειώσεων. Και έπαιρναν ένα κίτρινο χαρτάκι και έγραφαν κάτι πάνω του και μετά το έβαζαν στον πίνακα. Και ένας από αυτούς είπε: «Είχαμε ληστεία πριν από δύο εβδομάδες. Δεν έχουμε υπόπτους». Ένας άλλος είπε: «Μια εβδομάδα πριν έπεσαν πυροβολισμοί. Δεν έχουμε υπόπτους» Δεν εφαρμόζαμε την αστυνόμευση βάσει δεδομένων. Ουσιαστικά προσπαθούσαμε να καταπολεμήσουμε το έγκλημα με κίτρινα ποστ-ιτ. Τώρα, και τα δύο αυτά πράγματα με έκαναν να συνειδητοποιήσω θεμελιωδώς ότι αποτυγχάναμε. Δεν γνωρίζαμε καν ποιοι ήταν στο σύστημα ποινικής δικαιοσύνης, δεν είχαμε δεδομένα για αυτά που είχαν σημασία και δεν μοιραζόμασταν δεδομένα ούτε χρησιμοποιούσαμε στατιστικά στοιχεία ή εργαλεία για να μας βοηθήσουν να λαμβάνουμε καλύτερες αποφάσεις και να μειώσουμε το έγκλημα. Για πρώτη φορά, άρχισα να σκέφτομαι το πώς λαμβάναμε αποφάσεις. Όταν ήμουν βοηθός εισαγγελέα, και όταν ήμουν ομοσπονδιακή εισαγγελέας, κοιτούσα τις υποθέσεις που είχα μπροστά μου, και γενικά λάμβανα αποφάσεις με βάση το ένστικτο και την εμπειρία μου. Όταν έγινα γενική εισαγγελέας, μπόρεσα να δω το σύστημα ως σύνολο, και αυτό που με εξέπληξε είναι ότι βρήκα πως έτσι ακριβώς το κάναμε σε ολόκληρο το σύστημα -- στα αστυνομικά τμήματα, στις εισαγγελίες, στα δικαστήρια και στα κρατητήρια. Και αυτό που έμαθα πολύ γρήγορα ήταν πως δεν κάναμε καλή δουλειά. Θέλησα λοιπόν να αλλάξω τα πράγματα. Θέλησα να εισάγω δεδομένα και στατιστικά στοιχεία και αυστηρή στατιστική ανάλυση στη δουλειά μας. Με λίγα λόγια, θέλησα να εφαρμόσω το «moneyball» στην ποινική δικαιοσύνη. Τώρα, το moneyball, όπως πολλοί θα γνωρίζετε, είναι αυτό που έκαναν στην ομάδα Όκλαντ 'Εις, όπου χρησιμοποίησαν έξυπνα δεδομένα και στατιστική για να ανακαλύψουν πώς να επιλέγουν παίκτες που θα τους βοηθούσαν να κερδίζουν παιχνίδια, και πέρασαν από ένα σύστημα που ήταν βασισμένο σε ανιχνευτές ταλέντων που πήγαιναν και παρακολουθούσαν παίκτες και χρησιμοποιούσαν το ένστικτο και την εμπειρία τους, το ένστικτο και την εμπειρία των ανιχνευτών, για να επιλέγουν παίκτες, σε ένα σύστημα που χρησιμοποιούσαν έξυπνα δεδομένα και αυστηρή στατιστική ανάλυση για να ανακαλύπτουν πώς να επιλέγουν παίκτες για να κερδίζουν παιχνίδια. Δούλεψε για τους Όκλαντ Έις, δούλεψε και για την πολιτεία του Νιού Τζέρσεϊ. Βγάλαμε το Κάμντεν από την κορυφή της λίστας ως την πιο επικίνδυνη πόλη της Αμερικής. Μειώσαμε τους φόνους κατά 41 τοις εκατό, κάτι που στην πραγματικότητα σημαίνει πως σώθηκαν 37 ζωές. Και μειώσαμε όλο το έγκλημα στην πόλη κατά 26 τοις εκατό. Αλλάξαμε επίσης τον τρόπο των ποινικών διώξεων. Σταματήσαμε λοιπόν να ασχολούμαστε με μικροεγκλήματα ναρκωτικών έξω από το κτήριο μας και αρχίσαμε να ασχολούμαστε με υποθέσεις που αφορούσαν όλη την πολιτεία, με πράγματα όπως η μείωση της βίας από τους πιο βίαιους εγκληματίες, η δίωξη συμμοριών, το λαθρεμπόριο όπλων και ναρκωτικών και η πολιτική διαφθορά. Και όλα αυτά είναι εξαιρετικά σημαντικά γιατί η δημόσια ασφάλεια για μένα είναι η πιο σημαντική λειτουργία της κυβέρνησης. Και αν δεν είμαστε ασφαλείς, δεν μπορούμε να εκπαιδευτούμε, δεν μπορούμε να είμαστε υγιείς, δεν μπορούμε να κάνουμε τίποτε από αυτά που θέλουμε στη ζωή μας. Και σήμερα ζούμε σε μια χώρα όπου αντιμετωπίζουμε σοβαρά προβλήματα ποινικής δικαιοσύνης. Κάθε χρόνο έχουμε 12 εκατομμύρια συλλήψεις. Η συντριπτική πλειοψηφία αυτών των συλλήψεων αφορά μικροεγκλήματα, όπως πλημμελήματα, το 70 με 80 τοις εκατό. Λιγότερο από το πέντε τοις εκατό όλων των συλλήψεων αφορούν κάποιο βίαιο έγκλημα. Κι όμως, ξοδεύουμε 75 δισεκατομμύρια, ναι, δισεκατομμύρια, δολάρια κάθε χρόνο για το κόστος πολιτειακού και τοπικού σωφρονισμού. Τώρα που μιλάμε, έχουμε 2,3 εκατομμύρια ανθρώπους στα κρατητήρια και τις φυλακές μας. Και αντιμετωπίζουμε απίστευτες προκλήσεις δημόσιας ασφάλειας επειδή έχουμε μια κατάσταση όπου τα δύο τρίτα του κόσμου στα κρατητήρια μας είναι εκεί περιμένοντας τη δίκη τους. Δεν έχουν καταδικαστεί ακόμη για κάποιο έγκλημα. Απλώς περιμένουν να έρθει η ημέρα της δίκης τους. Και το 67 τοις εκατό του κόσμου επιστρέφει. Το ποσοστό των υποτροπών μας είναι ανάμεσα στα μεγαλύτερα του κόσμου. Σχεδόν επτά στα 10 άτομα που αποφυλακίζονται θα ξανασυλληφθούν σε έναν συνεχή κύκλο εγκλήματος και φυλάκισης. Όταν λοιπόν άρχισα τη δουλειά μου στο Ίδρυμα Άρνολντ, ξανάρχισα να κοιτάζω πολλά από αυτά τα ερωτήματα, και ξανάρχισα να σκέφτομαι πώς είχαμε χρησιμοποιήσει δεδομένα και στατιστικά στοιχεία για να μεταμορφώσουμε τον τρόπο που ασκούσαμε την ποινική δικαιοσύνη στο Νιού Τζέρσεϊ. Και όταν κοιτάζω το σύστημα ποινικής δικαιοσύνης στις Ηνωμένες Πολιτείες σήμερα, αισθάνομαι ακριβώς το ίδιο που αισθανόμουν για την πολιτεία του Νιου Τζέρσεϊ όταν άρχισα εκεί, δηλαδή ότι θα πρέπει οπωσδήποτε να βελτιωθούμε, και ξέρω ότι μπορούμε να βελτιωθούμε. Αποφάσισα λοιπόν να επικεντρωθώ στη χρήση δεδομένων και στατιστικών στοιχείων για να βοηθήσω στη λήψη της πιο κρίσιμης απόφασης για την δημόσια ασφάλεια, και αυτή η απόφαση είναι ο προσδιορισμός του κατά πόσον όταν κάποιος έχει συλληφθεί, αποτελεί κίνδυνο για τη δημόσια ασφάλεια και θα πρέπει να κρατηθεί, ή δεν αποτελεί κίνδυνο για τη δημόσια ασφάλεια και θα πρέπει να αφεθεί ελεύθερος. Όλα όσα συμβαίνουν στις ποινικές υποθέσεις απορρέουν από αυτή την μία απόφαση. Επηρεάζει τα πάντα. Επηρεάζει τις ποινές. Επηρεάζει το αν κάποιος θα μπει σε πρόγραμμα απεξάρτησης. Επηρεάζει το έγκλημα και τη βία. Και όταν μιλάω με δικαστές σε όλες τις Ηνωμένες Πολιτείες, κάτι που κάνω συνέχεια τώρα, όλοι τους λένε το ίδιο πράγμα, ότι βάζουμε επικίνδυνους ανθρώπους στη φυλακή και αφήνουμε τους ακίνδυνους, τους μη βίαιους. Το εννοούν και το πιστεύουν. Αλλά όταν αρχίζεις να κοιτάς τα δεδομένα, τα οποία, παρεμπιπτόντως, δεν έχουν οι δικαστές, όταν αρχίζουμε να κοιτάμε τα δεδομένα, αυτό που βρίσκουμε ξανά και ξανά, είναι ότι τα πράγματα δεν είναι έτσι. Βρίσκουμε ότι οι παραβάτες χαμηλού κινδύνου, που συνιστούν το 50 τοις εκατό ολόκληρου του πληθυσμού ποινικής δικαιοσύνης, βρίσκουμε ότι είναι στη φυλακή. Πάρτε για παράδειγμα τον Λέσλι Τσιου, έναν Τεξανό που έκλεψε τέσσερις κουβέρτες μια κρύα νύχτα του χειμώνα. Συνελήφθη και προφυλακίστηκε με εγγύηση 3500 δολαρίων, ποσό που δεν μπορούσε να πληρώσει. Και έμεινε στα κρατητήρια για οκτώ μήνες μέχρι η υπόθεσή του να φθάσει σε δίκη, με κόστος για τους φορολογούμενους άνω των 9000 δολαρίων. Και στην άλλη άκρη του φάσματος, τα αποτελέσματά μας είναι εξίσου άσχημα. Τα άτομα που βρίσκουμε ότι είναι οι παραβάτες με τον υψηλότερο κίνδυνο, τα άτομα που πιστεύουμε ότι έχουν την μεγαλύτερη πιθανότητα να διαπράξουν κάποιο νέο έγκλημα αν αφεθούν ελεύθερα, βλέπουμε σε εθνικό επίπεδο ότι το 50 τοις εκατό αυτών των ατόμων αφήνονται ελεύθερα. Ο λόγος γι' αυτό είναι ο τρόπος που λαμβάνουμε αποφάσεις. Οι δικαστές έχουν τις καλύτερες προθέσεις όταν λαμβάνουν αυτές τις αποφάσεις σχετικά με τον κίνδυνο αλλά τις λαμβάνουν υποκειμενικά. Είναι σαν τους ανιχνευτές ταλέντων 20 χρόνια πριν που χρησιμοποιούσαν το ένστικτο και την εμπειρία τους για να προσπαθήσουν να αποφασίσουν τι κίνδυνο θέτει κάποιος. Είναι υποκειμενικοί και ξέρουμε τι συμβαίνει με την υποκειμενική λήψη αποφάσεων, συχνά κάνουμε λάθος. Αυτό που χρειαζόμαστε σε αυτόν τον χώρο είναι ισχυρά δεδομένα και στατιστικά στοιχεία. Αυτό που αποφάσισα να αναζητήσω ήταν ένα εργαλείο εκτίμησης κινδύνου με ισχυρά δεδομένα και στατιστικά στοιχεία, κάτι που θα επέτρεπε στους δικαστές να καταλάβουν πραγματικά με έναν επιστημονικό και αντικειμενικό τρόπο τον κίνδυνο που θέτει αυτός που έχουν μπροστά τους. Εξέτασα όλη τη χώρα και ανακάλυψα ότι μεταξύ πέντε και 10 τοις εκατό όλων των δικαιοδοσιών των ΗΠΑ στην πραγματικότητα δεν χρησιμοποιούν κάποιο τύπο εργαλείου εκτίμησης κινδύνου και όταν εξέτασα αυτά τα εργαλεία, γρήγορα διαπίστωσα γιατί. Ήταν απίστευτα ακριβό να διατεθούν, ήταν χρονοβόρα, περιορίζονταν στην τοπική δικαιοδοσία για την οποία είχαν δημιουργηθεί. Βασικά λοιπόν, δεν μπορούσαν να αναβαθμιστούν ή να μεταφερθούν σε άλλα μέρη. Οπότε ξεκίνησα και δημιούργησα μια πρωτοφανή ομάδα επιστημόνων και ερευνητών δεδομένων και στατιστικολόγων για να φτιάξουν ένα γενικό εργαλείο εκτίμησης κινδύνου ώστε ο κάθε δικαστής στις Ηνωμένες Πολιτείες να μπορεί να έχει ένα αντικειμενικό, επιστημονικό μέτρο κινδύνου. Στο εργαλείο που δημιουργήσαμε, αυτό που κάναμε είναι να συγκεντρώσουμε 1,5 εκατομμύρια υποθέσεις από όλες τις Ηνωμένες Πολιτείες, από πόλεις, από επαρχίες, από κάθε πολιτεία στη χώρα, από ομοσπονδιακά διαμερίσματα. Και με αυτές τις 1,5 εκατομμύριο υποθέσεις, που είναι τα περισσότερα δεδομένα σε προδικαστικό στάδιο στις Ηνωμένες Πολιτείες σήμερα, ήμασταν σε θέση να βρούμε βασικά ότι υπήρχαν 900 και πλέον παράγοντες κινδύνου που μπορούσαμε να εξετάσουμε για να προσπαθήσουμε να καταλάβουμε τι είχε μεγαλύτερη σημασία. Και ανακαλύψαμε ότι υπήρχαν εννέα συγκεκριμένα πράγματα που είχαν σημασία σε όλη τη χώρα και που προέβλεπαν με τη μεγαλύτερη ακρίβεια τον κίνδυνο. Έτσι λοιπόν δημιουργήσαμε ένα γενικό εργαλείο εκτίμησης κινδύνου. Και μοιάζει με αυτό. Όπως θα δείτε, εισάγουμε κάποιες πληροφορίες, αλλά το μεγαλύτερο μέρος είναι απίστευτα απλό, είναι εύκολο στη χρήση, επικεντρώνεται σε πράγματα όπως οι προηγούμενες καταδίκες του κατηγορούμενου, το αν είχε καταδικαστεί σε κάθειρξη, το αν είχε εμπλακεί σε βία στο παρελθόν, το αν παρέλειψε να εμφανιστεί στο δικαστήριο. Και με αυτό το εργαλείο μπορούμε να προβλέψουμε τρία πράγματα. Πρώτον, το αν κάποιος θα διαπράξει κάποιο νέο έγκλημα αν αφεθεί ελεύθερος. Δεύτερον, για πρώτη φορά, και πιστεύω ότι αυτό είναι εξαιρετικά σημαντικό, μπορούμε να προβλέψουμε αν κάποιος θα διαπράξει βίαιη πράξη αν αφεθεί ελεύθερος. Και αυτό είναι το πιο σημαντικό πράγμα που αναφέρουν οι δικαστές όταν συζητήσεις μαζί τους. Και τρίτον, μπορούμε να προβλέψουμε αν κάποιος θα εμφανιστεί στο δικαστήριο. Και κάθε δικαστής στις Ηνωμένες Πολιτείες μπορεί να το χρησιμοποιήσει, επειδή δημιουργήθηκε βάσει μιας γενικής ομάδας δεδομένων. Αυτό που βλέπουν οι δικαστές όταν τρέξουν το εργαλείο εκτίμησης κινδύνου είναι αυτό -- έναν πίνακα. Στην κορυφή, βλέπετε τη Βαθμολογία Νέας Εγκληματικής Δραστηριότητας, με το έξι φυσικά να είναι το υψηλότερο, και μετά, στη μέση, βλέπετε «Αυξημένος κίνδυνος βίας». Και αυτό που λέει είναι ότι αυτό το άτομο είναι κάποιος που έχει αυξημένο κίνδυνο βίας άρα ο δικαστής θα πρέπει να το εξετάσει καλύτερα. Και μετά, προς το τέλος, βλέπετε τη Βαθμολογία Παράλειψης Εμφάνισης, που ξανά είναι η πιθανότητα που έχει κάποιος να εμφανιστεί ξανά στο δικαστήριο. Τώρα θέλω να πω κάτι πραγματικά σημαντικό. Δεν είναι ότι πιστεύω πως θα πρέπει να διαγράψουμε το ένστικτο και την εμπειρία του δικαστή από αυτή τη διαδικασία. Δεν το πιστεύω. Στην πραγματικότητα πιστεύω ότι το πρόβλημα που βλέπουμε και ο λόγος που έχουμε αυτά τα απίστευτα συστημικά σφάλματα, όπου φυλακίζουμε μικροεγκληματίες που δεν είναι βίαιοι, και απελευθερώνουμε επικίνδυνα άτομα, είναι επειδή δεν έχουμε ένα αντικειμενικό μέτρο κινδύνου. Αλλά αυτό που πιστεύω ότι πρέπει να συμβεί είναι να πάρουμε αυτή την εκτίμηση κινδύνου βάσει δεδομένων και να τη συνδυάσουμε με το ένστικτο και την εμπειρία του δικαστή για να οδηγηθούμε σε καλύτερες αποφάσεις. Το εργαλείο άρχισε να χρησιμοποιείται στην πολιτεία του Κεντάκι την 1η Ιουλίου και ετοιμαζόμαστε να το εφαρμόσουμε και σε άλλες δικαιοδοσίες των ΗΠΑ. Ο στόχος μας, απλά, είναι κάθε δικαστής στις Ηνωμένες Πολιτείες να χρησιμοποιεί ένα εργαλείο κινδύνου βάσει δεδομένων εντός των επόμενων πέντε ετών. Τώρα εργαζόμαστε πάνω σε εργαλεία κινδύνου και για εισαγγελείς και αστυνομικούς, για να προσπαθήσουμε να πάρουμε το σύστημα που λειτουργεί σήμερα στην Αμερική με τον ίδιο τρόπο που λειτουργούσε 50 χρόνια πριν, βάσει του ενστίκτου και της εμπειρίας, και να το μετατρέψουμε σε σύστημα που λειτουργεί βάσει δεδομένων και στατιστικών στοιχείων. Τώρα, τα καλά νέα με όλο αυτό, και έχουμε ακόμη πολλή δουλειά να κάνουμε, και πρέπει να αλλάξουμε πολύ την κουλτούρα, αλλά τα καλά νέα με αυτό είναι πως γνωρίζουμε ότι δουλεύει. Είναι ο λόγος που η Google είναι η Google, και είναι ο λόγος που όλες αυτές οι ομάδες μπέιζμπολ χρησιμοποιούν το moneyball για να κερδίζουν παιχνίδια. Τα καλά νέα και για εμάς είναι ότι αποτελεί έναν τρόπο ώστε να μεταμορφώσουμε το αμερικανικό σύστημα ποινικής δικαιοσύνης. Είναι ο τρόπος που μπορούμε να κάνουμε τους δρόμους μας ασφαλέστερους, να μειώσουμε το κόστος των φυλακών μας και να κάνουμε το σύστημά μας πολύ δικαιότερο και πιο σωστό. Κάποιοι το ονομάζουν επιστήμη δεδομένων. Εγώ το λέω εφαρμογή του moneyball στην ποινική δικαιοσύνη. Σας ευχαριστώ. (Χειροκρότημα)
In 2007, I became the attorney general of the state of New Jersey. Before that, I'd been a criminal prosecutor, first in the Manhattan district attorney's office, and then at the United States Department of Justice. But when I became the attorney general, two things happened that changed the way I see criminal justice. The first is that I asked what I thought were really basic questions. I wanted to understand who we were arresting, who we were charging, and who we were putting in our nation's jails and prisons. I also wanted to understand if we were making decisions in a way that made us safer. And I couldn't get this information out. It turned out that most big criminal justice agencies like my own didn't track the things that matter. So after about a month of being incredibly frustrated, I walked down into a conference room that was filled with detectives and stacks and stacks of case files, and the detectives were sitting there with yellow legal pads taking notes. They were trying to get the information I was looking for by going through case by case for the past five years. And as you can imagine, when we finally got the results, they weren't good. It turned out that we were doing a lot of low-level drug cases on the streets just around the corner from our office in Trenton. The second thing that happened is that I spent the day in the Camden, New Jersey police department. Now, at that time, Camden, New Jersey, was the most dangerous city in America. I ran the Camden Police Department because of that. I spent the day in the police department, and I was taken into a room with senior police officials, all of whom were working hard and trying very hard to reduce crime in Camden. And what I saw in that room, as we talked about how to reduce crime, were a series of officers with a lot of little yellow sticky notes. And they would take a yellow sticky and they would write something on it and they would put it up on a board. And one of them said, "We had a robbery two weeks ago. We have no suspects." And another said, "We had a shooting in this neighborhood last week. We have no suspects." We weren't using data-driven policing. We were essentially trying to fight crime with yellow Post-it notes. Now, both of these things made me realize fundamentally that we were failing. We didn't even know who was in our criminal justice system, we didn't have any data about the things that mattered, and we didn't share data or use analytics or tools to help us make better decisions and to reduce crime. And for the first time, I started to think about how we made decisions. When I was an assistant D.A., and when I was a federal prosecutor, I looked at the cases in front of me, and I generally made decisions based on my instinct and my experience. When I became attorney general, I could look at the system as a whole, and what surprised me is that I found that that was exactly how we were doing it across the entire system -- in police departments, in prosecutors's offices, in courts and in jails. And what I learned very quickly is that we weren't doing a good job. So I wanted to do things differently. I wanted to introduce data and analytics and rigorous statistical analysis into our work. In short, I wanted to moneyball criminal justice. Now, moneyball, as many of you know, is what the Oakland A's did, where they used smart data and statistics to figure out how to pick players that would help them win games, and they went from a system that was based on baseball scouts who used to go out and watch players and use their instinct and experience, the scouts' instincts and experience, to pick players, from one to use smart data and rigorous statistical analysis to figure out how to pick players that would help them win games. It worked for the Oakland A's, and it worked in the state of New Jersey. We took Camden off the top of the list as the most dangerous city in America. We reduced murders there by 41 percent, which actually means 37 lives were saved. And we reduced all crime in the city by 26 percent. We also changed the way we did criminal prosecutions. So we went from doing low-level drug crimes that were outside our building to doing cases of statewide importance, on things like reducing violence with the most violent offenders, prosecuting street gangs, gun and drug trafficking, and political corruption. And all of this matters greatly, because public safety to me is the most important function of government. If we're not safe, we can't be educated, we can't be healthy, we can't do any of the other things we want to do in our lives. And we live in a country today where we face serious criminal justice problems. We have 12 million arrests every single year. The vast majority of those arrests are for low-level crimes, like misdemeanors, 70 to 80 percent. Less than five percent of all arrests are for violent crime. Yet we spend 75 billion, that's b for billion, dollars a year on state and local corrections costs. Right now, today, we have 2.3 million people in our jails and prisons. And we face unbelievable public safety challenges because we have a situation in which two thirds of the people in our jails are there waiting for trial. They haven't yet been convicted of a crime. They're just waiting for their day in court. And 67 percent of people come back. Our recidivism rate is amongst the highest in the world. Almost seven in 10 people who are released from prison will be rearrested in a constant cycle of crime and incarceration. So when I started my job at the Arnold Foundation, I came back to looking at a lot of these questions, and I came back to thinking about how we had used data and analytics to transform the way we did criminal justice in New Jersey. And when I look at the criminal justice system in the United States today, I feel the exact same way that I did about the state of New Jersey when I started there, which is that we absolutely have to do better, and I know that we can do better. So I decided to focus on using data and analytics to help make the most critical decision in public safety, and that decision is the determination of whether, when someone has been arrested, whether they pose a risk to public safety and should be detained, or whether they don't pose a risk to public safety and should be released. Everything that happens in criminal cases comes out of this one decision. It impacts everything. It impacts sentencing. It impacts whether someone gets drug treatment. It impacts crime and violence. And when I talk to judges around the United States, which I do all the time now, they all say the same thing, which is that we put dangerous people in jail, and we let non-dangerous, nonviolent people out. They mean it and they believe it. But when you start to look at the data, which, by the way, the judges don't have, when we start to look at the data, what we find time and time again, is that this isn't the case. We find low-risk offenders, which makes up 50 percent of our entire criminal justice population, we find that they're in jail. Take Leslie Chew, who was a Texas man who stole four blankets on a cold winter night. He was arrested, and he was kept in jail on 3,500 dollars bail, an amount that he could not afford to pay. And he stayed in jail for eight months until his case came up for trial, at a cost to taxpayers of more than 9,000 dollars. And at the other end of the spectrum, we're doing an equally terrible job. The people who we find are the highest-risk offenders, the people who we think have the highest likelihood of committing a new crime if they're released, we see nationally that 50 percent of those people are being released. The reason for this is the way we make decisions. Judges have the best intentions when they make these decisions about risk, but they're making them subjectively. They're like the baseball scouts 20 years ago who were using their instinct and their experience to try to decide what risk someone poses. They're being subjective, and we know what happens with subjective decision making, which is that we are often wrong. What we need in this space are strong data and analytics. What I decided to look for was a strong data and analytic risk assessment tool, something that would let judges actually understand with a scientific and objective way what the risk was that was posed by someone in front of them. I looked all over the country, and I found that between five and 10 percent of all U.S. jurisdictions actually use any type of risk assessment tool, and when I looked at these tools, I quickly realized why. They were unbelievably expensive to administer, they were time-consuming, they were limited to the local jurisdiction in which they'd been created. So basically, they couldn't be scaled or transferred to other places. So I went out and built a phenomenal team of data scientists and researchers and statisticians to build a universal risk assessment tool, so that every single judge in the United States of America can have an objective, scientific measure of risk. In the tool that we've built, what we did was we collected 1.5 million cases from all around the United States, from cities, from counties, from every single state in the country, the federal districts. And with those 1.5 million cases, which is the largest data set on pretrial in the United States today, we were able to basically find that there were 900-plus risk factors that we could look at to try to figure out what mattered most. And we found that there were nine specific things that mattered all across the country and that were the most highly predictive of risk. And so we built a universal risk assessment tool. And it looks like this. As you'll see, we put some information in, but most of it is incredibly simple, it's easy to use, it focuses on things like the defendant's prior convictions, whether they've been sentenced to incarceration, whether they've engaged in violence before, whether they've even failed to come back to court. And with this tool, we can predict three things. First, whether or not someone will commit a new crime if they're released. Second, for the first time, and I think this is incredibly important, we can predict whether someone will commit an act of violence if they're released. And that's the single most important thing that judges say when you talk to them. And third, we can predict whether someone will come back to court. And every single judge in the United States of America can use it, because it's been created on a universal data set. What judges see if they run the risk assessment tool is this -- it's a dashboard. At the top, you see the New Criminal Activity Score, six of course being the highest, and then in the middle you see, "Elevated risk of violence." What that says is that this person is someone who has an elevated risk of violence that the judge should look twice at. And then, towards the bottom, you see the Failure to Appear Score, which again is the likelihood that someone will come back to court. Now I want to say something really important. It's not that I think we should be eliminating the judge's instinct and experience from this process. I don't. I actually believe the problem that we see and the reason that we have these incredible system errors, where we're incarcerating low-level, nonviolent people and we're releasing high-risk, dangerous people, is that we don't have an objective measure of risk. But what I believe should happen is that we should take that data-driven risk assessment and combine that with the judge's instinct and experience to lead us to better decision making. The tool went statewide in Kentucky on July 1, and we're about to go up in a number of other U.S. jurisdictions. Our goal, quite simply, is that every single judge in the United States will use a data-driven risk tool within the next five years. We're now working on risk tools for prosecutors and for police officers as well, to try to take a system that runs today in America the same way it did 50 years ago, based on instinct and experience, and make it into one that runs on data and analytics. Now, the great news about all this, and we have a ton of work left to do, and we have a lot of culture to change, but the great news about all of it is that we know it works. It's why Google is Google, and it's why all these baseball teams use moneyball to win games. The great news for us as well is that it's the way that we can transform the American criminal justice system. It's how we can make our streets safer, we can reduce our prison costs, and we can make our system much fairer and more just. Some people call it data science. I call it moneyballing criminal justice. Thank you. (Applause)